CN117722173A - 一种监测多场景动态参数的智能诊断测控系统及装置 - Google Patents
一种监测多场景动态参数的智能诊断测控系统及装置 Download PDFInfo
- Publication number
- CN117722173A CN117722173A CN202410171279.3A CN202410171279A CN117722173A CN 117722173 A CN117722173 A CN 117722173A CN 202410171279 A CN202410171279 A CN 202410171279A CN 117722173 A CN117722173 A CN 117722173A
- Authority
- CN
- China
- Prior art keywords
- information
- pipeline
- monitoring
- acquiring
- pumping unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 149
- 238000005259 measurement Methods 0.000 title claims abstract description 62
- 238000003745 diagnosis Methods 0.000 title claims abstract description 33
- 238000005086 pumping Methods 0.000 claims abstract description 107
- 230000033001 locomotion Effects 0.000 claims abstract description 42
- 238000004519 manufacturing process Methods 0.000 claims abstract description 8
- 239000007789 gas Substances 0.000 claims description 73
- 239000012530 fluid Substances 0.000 claims description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 26
- 238000010586 diagram Methods 0.000 claims description 23
- 230000008878 coupling Effects 0.000 claims description 22
- 238000010168 coupling process Methods 0.000 claims description 22
- 238000005859 coupling reaction Methods 0.000 claims description 22
- 238000009825 accumulation Methods 0.000 claims description 14
- 239000002341 toxic gas Substances 0.000 claims description 13
- 239000007788 liquid Substances 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 4
- 239000003921 oil Substances 0.000 description 37
- 238000013528 artificial neural network Methods 0.000 description 25
- 230000000306 recurrent effect Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 125000004122 cyclic group Chemical group 0.000 description 6
- 238000012806 monitoring device Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 239000003129 oil well Substances 0.000 description 5
- 230000006403 short-term memory Effects 0.000 description 5
- 230000002457 bidirectional effect Effects 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 239000010779 crude oil Substances 0.000 description 3
- 238000010183 spectrum analysis Methods 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000005499 meniscus Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004454 trace mineral analysis Methods 0.000 description 2
- 230000005483 Hooke's law Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明涉及一种监测多场景动态参数的智能诊断测控系统及装置,涉及智能控制技术领域,该系统包括,生产监测模块,用于获取游梁式抽油机的运行信息,调整游梁式抽油机的运行参数,还用于获取游梁式抽油机的至少一个构件的机械运动信息,确定至少一个构件的状态;管线监测模块,用于获取输油管线和/或输气管线的参数信息,确定输油管线和/或输气管线的状态,执行对应的应急措施;沟渠监测模块,用于获取地下沟渠的参数信息,确定地下沟渠的状态,执行对应的应急措施;排放监测模块,用于获取排水和/或排气的成分信息,确定排水和/或排气的状态,执行对应的应急措施,具有提高抽油现场的多场景下的故障监测的效率及准确度的优点。
Description
技术领域
本发明涉及智能控制技术领域,尤其涉及一种监测多场景动态参数的智能诊断测控系统及装置。
背景技术
游梁式抽油机是目前被油田广泛使用的开采石油的机械设备,是有杆抽油系统中最主要的举升设备,主要由地面传动设备、电动机及井下设备组成。进行油井生产举升时,通过电动机的转动经变速箱、曲柄连杆机构变成驴头的上下运动,驴头经光杆、抽油杆带动井下抽油泵的柱塞作上下运动,从而不断地把井中的原油抽出井筒。
游梁式抽油机作为应用最为广泛的抽油机之一,工作环境和条件十分恶劣。除了必要的维护与修理外,抽油机要整年每天24小时不停工作,基本无人值守。而且抽油机主要分布在沙漠、戈壁滩和海洋等野外偏远地区,要经受极端高温、极端低温和风霜雨雪的考验,自然环境恶劣。此外,油井一般地质复杂,地理位置分散,原油品质也不高,稠油居多,含蜡量较高。所以,抽油机在作业过程中产生故障的概率较高,且一旦故障,难以及时发现和处理,轻则降低原油产出效率,影响油田的产量和经济效益,重则可能造成油井停产乃至人员伤亡。目前抽油机故障的发现主要依赖维护人员定期前往油井周边进行实地巡检,或者值守人员直接调取查看监控视频,需要耗费大量人力的同时,难以避免地存在诸多问题,如消耗大、效率低和不及时等。此外,受油井位置偏僻、交通不畅、自然环境艰苦、工作时间变动频繁等因素影响,工作人员承受着较大负担。
因此,需要提供一种监测多场景动态参数的智能诊断测控系统及装置,用于提高抽油现场的多场景下的故障监测的效率及准确度。
发明内容
本发明提供了一种监测多场景动态参数的智能诊断测控系统,包括:生产监测模块,包括运行监测单元及机械监测单元,其中,所述运行监测单元用于获取游梁式抽油机的运行信息,并基于所述游梁式抽油机的运行信息调整所述游梁式抽油机的运行参数,所述机械监测单元用于获取所述游梁式抽油机的至少一个构件的机械运动信息,并基于所述游梁式抽油机的至少一个构件的机械运动信息确定所述游梁式抽油机的至少一个构件的状态;管线监测模块,用于获取至少一条输油管线和/或输气管线的参数信息,并基于所述至少一条输油管线和/或输气管线的参数信息,确定所述至少一条输油管线和/或输气管线的状态,基于所述至少一条输油管线和/或输气管线的状态执行对应的应急措施;沟渠监测模块,用于获取地下沟渠的参数信息,并基于所述地下沟渠的参数信息,确定所述地下沟渠的状态,基于所述地下沟渠的状态执行对应的应急措施;排放监测模块,用于获取排水和/或排气的成分信息,并基于所述排水和/或排气的成分信息,确定所述排水和/或排气的状态,基于所述排水和/或排气的状态执行对应的应急措施。
更进一步地,所述运行监测单元包括示功仪及液面监测仪,所述示功仪用于获取所述游梁式抽油机的示功图,所述液面监测仪用于获取所述游梁式抽油机的接箍波和动液面回波,其中,所述游梁式抽油机的运行信息至少包括所述游梁式抽油机的示功图、接箍波和动液面回波:所述运行监测单元基于所述游梁式抽油机的运行信息调整所述游梁式抽油机的运行参数,包括:基于所述游梁式抽油机的示功图、接箍波和动液面回波,调节所述游梁式抽油机的抽采频率。
更进一步地,所述机械监测单元包括矢量测量组件及松动监测组件:所述矢量测量组件包括横梁轴多轴矢量测量设备、支架轴多轴矢量测量设备及曲柄轴多轴矢量测量设备,其中,所述横梁轴多轴矢量测量设备用于采集所述游梁式抽油机的横梁轴的多轴运动信息,所述支架轴多轴矢量测量设备用于采集所述游梁式抽油机的支架轴的多轴运动信息,所述曲柄轴多轴矢量测量设备用于采集所述游梁式抽油机的曲柄轴的多轴运动信息;所述松动监测组件用于采集至少一个螺栓和/或螺母的振动信息及位移信息。
更进一步地,所述机械监测单元基于所述游梁式抽油机的至少一个构件的机械运动信息确定所述游梁式抽油机的至少一个构件的状态,包括:基于所述游梁式抽油机的横梁轴的多轴运动信息、支架轴的多轴运动信息及曲柄轴的多轴运动信息,判断至少一个轴承是否发生内圈故障、外圈故障和/或滚珠故障;基于所述至少一个螺栓和/或螺母的振动信息及位移信息,确定所述至少一个螺栓和/或螺母的松动情况。
更进一步地,所述管线监测模块包括多个管线监测单元,其中,所述管线监测单元至少包括管线温度感应设备、管线压力感应设备及管线流量感应设备,所述管线温度感应设备用于获取所述输油管线和/或输气管线的温度信息,所述管线压力感应设备用于获取所述输油管线和/或输气管线的压力信息,所述管线流量感应设备用于获取所述输油管线和/或输气管线的流量信息。
更进一步地,所述管线监测模块基于所述输油管线和/或输气管线的参数信息,确定所述输油管线和/或输气管线的状态,包括:基于第一关系图谱及所述输油管线和/或输气管线的温度信息、压力信息及流量信息,确定管线异常区域,其中,所述第一关系图谱用于表征所述多个管线监测单元的关联关系;所述管线监测模块基于所述输油管线和/或输气管线的状态执行对应的应急措施,包括:基于第二关系图谱及管线异常区域,关闭至少一个目标第一阀门,其中,所述第二关系图谱用于表征至少一个管线区域与至少一个第一阀门的对应关系。
更进一步地,所述沟渠监测模块包括多个沟渠监测单元,其中,所述沟渠监测单元至少包括沟渠温度感应设备、积水深度感应设备、沟渠湿度感应设备、可燃气体感应设备及有毒气体感应设备,所述沟渠温度感应设备用于采集沟渠积水温度信息,所述积水深度感应设备用于采集沟渠积水深度信息,所述沟渠湿度感应设备用于采集沟渠湿度信息,所述可燃气体感应设备用于采集沟渠可燃气体成分信息,所述有毒气体感应设备用于采集沟渠有毒气体成分信息;所述沟渠监测模块基于所述地下沟渠的状态执行对应的应急措施,包括:基于所述沟渠积水温度信息、沟渠积水深度信息、沟渠湿度信息、沟渠可燃气体成分信息及沟渠有毒气体成分信息,调整排水泵和/或排风扇的工作参数。
更进一步地,所述排放监测模块包括气体成分监测单元和/或水体成分监测单元,其中,所述气体成分监测单元用于采集所述排水的成分信息,所述水体成分监测单元用于采集所述排气的成分信息;所述排放监测模块基于所述排水和/或排气的状态执行对应的应急措施,包括:基于所述排水的成分信息和/或所述排气的成分信息,关闭至少一个目标第二阀门。
更进一步地,所述系统还包括:闯入监测模块,包括多个图像采集单元,其中,所述图像采集单元用于采集目标区域内的图像信息;所述闯入监测模块还用于基于所述多个图像采集单元采集的图像信息,确定所述目标区域内是否发生人为闯入。
本发明提供了一种监测多场景动态参数的智能诊断测控装置,包括智能诊断测控器、运行数据采集组件、机械数据采集组件、管线数据采集组件、积水数据采集组件及排放数据采集组件,所述运行数据采集组件、机械数据采集组件、管线数据采集组件、积水数据采集组件及排放数据采集组件均与所述智能诊断测控器通讯;所述运行数据采集组件用于采集游梁式抽油机的运行信息;所述机械数据采集组件用于获取所述游梁式抽油机的至少一个构件的机械运动信息;所述管线数据采集组件用于获取输油管线和/或输气管线的参数信息;所述积水数据采集组件用于获取地下沟渠的参数信息;所述排放数据采集组件用于获取排水和/或排气的成分信息;所述智能诊断测控器用于基于所述游梁式抽油机的运行信息调整所述游梁式抽油机的运行参数;所述智能诊断测控器还用于基于所述游梁式抽油机的至少一个构件的机械运动信息确定所述游梁式抽油机的至少一个构件的状态;所述智能诊断测控器还用于基于所述输油管线和/或输气管线的参数信息,确定所述输油管线和/或输气管线的状态,基于所述输油管线和/或输气管线的状态控制管线应急组件执行对应的应急措施;所述智能诊断测控器还用于基于所述地下沟渠的参数信息,确定所述地下沟渠的状态,基于所述地下沟渠的状态控制沟渠应急组件执行对应的应急措施;所述智能诊断测控器还用于基于所述排水和/或排气的成分信息,确定排水和/或排气的状态,基于所述排水和/或排气的状态控制排水应急组件和/或排气应急组件执行对应的应急措施。
相比于现有技术,本说明书提供的一种监测多场景动态参数的智能诊断测控系统及装置,至少具备以下有益效果:
1、通过对游梁式抽油机现场、输油和/或输气管线现场、地下沟渠及生产排水和/或排气现场,进行数据采集,根据使用场景不同,对配套传感器进行不同组合,并利用物联网组网通讯技术,实现接收各传感器信号,对信号数据进行大数据分析后,根据分析结果进行相应智能输出控制,最终实现多参数多场景数据监测,提高了抽油现场的多场景下的故障监测的效率及准确度;
2、基于游梁式抽油机的示功图、接箍波和动液面回波,调节游梁式抽油机的抽采频率,提高泵效,实现节能,达到自动闭环控制目的;
3、通过采集输油管线和/或输气管线的温度信息、压力信息及流量信息,及时确定管线异常区域,发出报警信息,并及时控制电动执行器自动关闭阀门,减少损失;
4、通过采集沟渠的沟渠积水温度信息、沟渠积水深度信息、沟渠湿度信息、沟渠可燃气体成分信息及沟渠有毒气体成分信息,启动排水泵或排风,从而保证沟渠内的各项数据处于安全范围内,避免安全事故的发生;
5、通过设置闯入监测模块采集图像,并智能区分动物闯入或作业人员进入,对非法闯入进行抓拍,留取证据。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是本申请一实施例中示出的一种监测多场景动态参数的智能诊断测控系统的模块图;
图2是本申请一实施例中示出的一种监测多场景动态参数的智能诊断测控装置的结构图;
图3是本申请一实施例中示出的确定动液面深度的流程图;
图4是本申请一实施例中示出的设置多个松动监测设备的流程图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。
图1是本申请一实施例中示出的一种监测多场景动态参数的智能诊断测控系统的模块图,如图1所示,一种监测多场景动态参数的智能诊断测控系统至少包括生产监测模块、管线监测模块、沟渠监测模块、排放监测模块及闯入监测模块。下面依次对各个模块进行详细说明。
生产监测模块可以包括运行监测单元及机械监测单元,其中,运行监测单元用于获取游梁式抽油机的运行信息,并基于游梁式抽油机的运行信息调整游梁式抽油机的运行参数,机械监测单元用于获取游梁式抽油机的至少一个构件的机械运动信息,并基于游梁式抽油机的至少一个构件的机械运动信息确定游梁式抽油机的至少一个构件的状态。
在一些实施例中,运行监测单元包括示功仪及液面监测仪,示功仪用于获取游梁式抽油机的示功图,液面监测仪用于获取游梁式抽油机的接箍波和动液面回波,其中,游梁式抽油机的运行信息至少包括游梁式抽油机的示功图、接箍波和动液面回波。
具体的,示功仪测量游梁式抽油机的的抽油杆径向微型变,计算出轴向力,根据胡克定律计算出载荷数值,通过矢量加速度幅频信号,利用傅里叶函数进行滤波,积分计算出位移,从而绘制游梁式抽油机的示功图。
液面监测仪通过发声机构,发出低频次声波,利用回波原理,获取接箍波和动液面回波。
在一些实施例中,运行监测单元可以基于游梁式抽油机的示功图、接箍波和动液面回波,调节游梁式抽油机的抽采频率。
具体的,运行监测单元可以先基于接箍波和动液面回波,确定动液面深度,再基于游梁式抽油机的示功图与游梁式抽油机对应的理论示功图,确定示功图差异特征,最后基于动液面深度及示功图差异特征,调节游梁式抽油机的抽采频率。
图3是本申请一实施例中示出的确定动液面深度的流程图,如图3所示,例如,运行监测单元可以通过以下流程基于接箍波和动液面回波,确定动液面深度:
对接箍波进行经验模态分解,获取接箍波对应的至少一个接箍波内涵模态分量及接箍波残差;
对动液面回波进行经验模态分解,获取动液面回波对应的至少一个动液面回波内涵模态分量及动液面回波残差;
通过联合去噪模型对接箍波对应的至少一个接箍波内涵模态分量及接箍波残差和动液面回波对应的至少一个动液面回波内涵模态分量及动液面回波残差进行联合去噪,其中,联合去噪模型的输入包括接箍波对应的至少一个接箍波内涵模态分量及接箍波残差和动液面回波对应的至少一个动液面回波内涵模态分量及动液面回波残差,联合去噪模型的输出包括去噪后的接箍波和动液面回波,联合去噪模型可以为人工神经网络(Artificial Neural Network,ANN)模型、循环神经网络(Recurrent Neural Networks,RNN)模型、长短时记忆网络(Long Short-Term Memory,LSTM)模型、双向循环神经网络(BRNN)模型等机器学习模型;
通过第一深度确定模型基于去噪后的接箍波,确定第一动液面深度,其中,第一动液面深度可以为人工神经网络(Artificial Neural Network,ANN)模型、循环神经网络(Recurrent Neural Networks,RNN)模型、长短时记忆网络(Long Short-Term Memory,LSTM)模型、双向循环神经网络(BRNN)模型等机器学习模型;
通过第二深度确定模型基于去噪后的动液面回波,确定第二动液面深度,其中,第二动液面深度可以为人工神经网络(Artificial Neural Network,ANN)模型、循环神经网络(Recurrent Neural Networks,RNN)模型、长短时记忆网络(Long Short-Term Memory,LSTM)模型、双向循环神经网络(BRNN)模型等机器学习模型;
基于第一动液面深度和第二动液面深度,确定动液面深度。
仅作为示例,运行监测单元可以根据以下公式基于第一动液面深度和第二动液面深度,确定动液面深度:
;
其中,为动液面深度,为第一动液面深度,为第二动液面深度,为第一动液
面深度对应的权重,为第二动液面深度对应的权重,为第一深度确定模型对应的平
均绝对误差,为第一深度确定模型对应的平均平方误差,为第一深度确定模型对
应的均方根误差,为第二深度确定模型对应的平均绝对误差,为第二深度确定模
型对应的平均平方误差,为第二深度确定模型对应的均方根误差,为预设参数,
为预设参数。
在一些实施例中,运行监测单元可以通过特征提取模型基于游梁式抽油机的示功图与游梁式抽油机对应的理论示功图,提取示功图差异特征,并通过频率调整模型基于动液面深度及示功图差异特征,调节游梁式抽油机的抽采频率。其中,特征提取模块和频率调整模型可以均为人工神经网络(Artificial Neural Network,ANN)模型、循环神经网络(Recurrent Neural Networks,RNN)模型、长短时记忆网络(Long Short-Term Memory,LSTM)模型、双向循环神经网络(BRNN)模型等机器学习模型。
在一些实施例中,机械监测单元包括矢量测量组件及松动监测组件。矢量测量组件包括横梁轴多轴矢量测量设备、支架轴多轴矢量测量设备及曲柄轴多轴矢量测量设备,其中,横梁轴多轴矢量测量设备用于采集游梁式抽油机的横梁轴的多轴运动信息,支架轴多轴矢量测量设备用于采集游梁式抽油机的支架轴的多轴运动信息,曲柄轴多轴矢量测量设备用于采集游梁式抽油机的曲柄轴的多轴运动信息。具体的,多轴矢量测量设备可以包括3轴、6轴、9轴等多轴传感器。
松动监测组件用于采集至少一个螺栓和/或螺母的振动信息及位移信息。具体的,松动监测组件可以包括多个松动监测设备,其中,松动监测设备包括应变传感器、温度传感器及振动传感器。
图4是本申请一实施例中示出的设置多个松动监测设备的流程图,如图4所示,在一些实施例中,机械监测单元可以通过以下方式设置多个松动监测设备:
获取游梁式抽油机的相关历史故障信息,其中,游梁式抽油机的相关历史故障信息可以包括与当前的游梁式抽油机的同类型的游梁式抽油机的历史故障信息;
基于游梁式抽油机的相关历史故障信息,确定游梁式抽油机中的多个需要进行监测的螺栓和/或螺母(也可称为“目标螺栓和/或目标螺母”);
确定任意两个螺栓和/或螺母之间的松动关联性;
通过K均值(K-Means)聚类算法基于任意两个螺栓和/或螺母之间的松动关联性,对多个目标螺栓和/或目标螺母进行聚类,确定至少一个聚类簇;
对于每个聚类簇,在该聚类簇的中心对应的螺栓或螺母处设置一个松动监测设备。
例如,可以根据以下公式计算任意两个螺栓和/或螺母之间的松动关联性:
;
其中,为第i个螺栓或螺母与第j个螺栓或螺母之间的松动关联性,为相关
历史故障信息中第i个螺栓或螺母发生松动的次数,为第i个螺栓或螺母发生松动的
次数中第j个螺栓或螺母也发生松动的次数。
在一些实施例中,机械监测单元基于游梁式抽油机的至少一个构件的机械运动信息确定游梁式抽油机的至少一个构件的状态,包括:
基于游梁式抽油机的横梁轴的多轴运动信息、支架轴的多轴运动信息及曲柄轴的多轴运动信息,判断至少一个轴承是否发生内圈故障、外圈故障和/或滚珠故障;
基于至少一个螺栓和/或螺母的振动信息及位移信息,确定至少一个螺栓和/或螺母的松动情况。
具体的,机械监测单元可以基于游梁式抽油机的横梁轴的多轴运动信息、支架轴的多轴运动信息及曲柄轴的多轴运动信息及故障特征关联图谱,判断至少一个轴承是否发生内圈故障、外圈故障和/或滚珠故障。其中,故障特征关联图谱可以包括内圈故障、外圈故障和/或滚珠故障对应的横梁轴的多轴运动特征、支架轴的多轴运动特征及曲柄轴的多轴运动特征。
机械监测单元可以基于温度传感器采集的温度信息,对应变传感器和振动传感器的输出信号进行自动校正,去除温漂影响,并对出现的异常振动幅频和松动位移进行报警。
具体的,机械监测单元可以根据以下公式,确定螺栓和/或螺母的松动可能性:
;
其中,为第i个螺栓和/或螺母的松动可能性,为第i个螺栓和/或螺母对应的
应变传感器在第t个时间点的输出电压,为第i个螺栓和/或螺母对应的预设电压,
T为一个监测周期包括时间点的总数,为预设参数。
当松动可能性大于预设松动可能性阈值时,判断该螺栓和/或螺母发生松动,生成预警信息。
在一些实施例中,机械监测单元还可以利用波形分析、频谱分析、轴心轨迹分析、多轴心轨迹分析、包络谱分析、全息谱分析、倒频谱分析、阶比分析等多种分析算法预测螺栓和/或螺母的振动趋势和松动趋势,并基于螺栓和/或螺母的振动趋势和松动趋势生成预警信息。
管线监测模块可以用于获取至少一条输油管线和/或输气管线的参数信息,并基于至少一条输油管线和/或输气管线的参数信息,确定至少一条输油管线和/或输气管线的状态,基于至少一条输油管线和/或输气管线的状态执行对应的应急措施。
在一些实施例中,管线监测模块包括多个管线监测单元,其中,管线监测单元至少包括管线温度感应设备、管线压力感应设备及管线流量感应设备,管线温度感应设备用于获取输油管线和/或输气管线的温度信息,管线压力感应设备用于获取输油管线和/或输气管线的压力信息,管线流量感应设备用于获取输油管线和/或输气管线的流量信息。
在一些实施例中,管线监测模块基于输油管线和/或输气管线的参数信息,确定输油管线和/或输气管线的状态,包括:基于第一关系图谱及输油管线和/或输气管线的温度信息、压力信息及流量信息,确定管线异常区域,其中,第一关系图谱用于表征多个管线监测单元的关联关系。
具体的,确定管线异常区域后,可发出报警信息,并及时控制管线异常区域对应的电动执行器自动关闭第一阀门,减少损失。
在一些实施例中,管线监测模块基于输油管线和/或输气管线的状态执行对应的应急措施,包括:基于第二关系图谱及管线异常区域,关闭至少一个目标第一阀门,其中,第二关系图谱用于表征至少一个管线区域与至少一个第一阀门的对应关系。
沟渠监测模块可以用于获取地下沟渠的参数信息,并基于地下沟渠的参数信息,确定地下沟渠的状态,基于地下沟渠的状态执行对应的应急措施。
在一些实施例中,沟渠监测模块包括多个沟渠监测单元,其中,沟渠监测单元至少包括沟渠温度感应设备、积水深度感应设备、沟渠湿度感应设备、可燃气体感应设备及有毒气体感应设备,沟渠温度感应设备用于采集沟渠积水温度信息,积水深度感应设备用于采集沟渠积水深度信息,沟渠湿度感应设备用于采集沟渠湿度信息,可燃气体感应设备用于采集沟渠可燃气体成分信息,有毒气体感应设备用于采集沟渠有毒气体成分信息。
在一些实施例中,沟渠监测模块基于地下沟渠的状态执行对应的应急措施,包括:基于沟渠积水温度信息、沟渠积水深度信息、沟渠湿度信息、沟渠可燃气体成分信息及沟渠有毒气体成分信息,调整排水泵和/或排风扇的工作参数。
具体的,沟渠监测模块可以根据预先设定的警戒数值,启动排水泵或排风,从而保证沟渠内的各项数据处于安全范围内,避免安全事故的发生。
排放监测模块可以用于获取排水和/或排气的成分信息,并基于排水和/或排气的成分信息,确定排水和/或排气的状态,基于排水和/或排气的状态执行对应的应急措施。
在一些实施例中,排放监测模块包括气体成分监测单元和/或水体成分监测单元,其中,气体成分监测单元用于采集排水的成分信息,水体成分监测单元用于采集排气的成分信息。
在一些实施例中,排放监测模块基于排水和/或排气的状态执行对应的应急措施,包括:基于排水的成分信息和/或排气的成分信息,关闭至少一个目标第二阀门。
具体的,发现超标排放现象,及时关闭排放阀,避免环境的污染。
闯入监测模块可以包括多个图像采集单元,其中,图像采集单元用于采集目标区域内的图像信息。
闯入监测模块还用于基于多个图像采集单元采集的图像信息,确定目标区域内是否发生人为闯入。
具体的,闯入监测模块可以通过目标识别模型智能区分动物闯入或作业人员进入,对非法闯入进行抓拍,留取证据。目标识别模型可以均为人工神经网络(ArtificialNeural Network,ANN)模型、循环神经网络(Recurrent Neural Networks,RNN)模型、长短时记忆网络(Long Short-Term Memory,LSTM)模型、双向循环神经网络(BRNN)模型等机器学习模型。
图2是本申请一实施例中示出的一种监测多场景动态参数的智能诊断测控装置的结构图,如图2所示,一种监测多场景动态参数的智能诊断测控装置可以包括智能诊断测控器、运行数据采集组件、机械数据采集组件、管线数据采集组件、积水数据采集组件及排放数据采集组件。
运行数据采集组件用于采集游梁式抽油机的运行信息。
机械数据采集组件用于获取游梁式抽油机的至少一个构件的机械运动信息。
管线数据采集组件用于获取输油管线和/或输气管线的参数信息。
积水数据采集组件用于获取地下沟渠的参数信息。
排放数据采集组件用于获取排水和/或排气的成分信息。
智能诊断测控器可以具备多种数据接口。运行数据采集组件、机械数据采集组件、管线数据采集组件、积水数据采集组件及排放数据采集组件可以通过有线或者无线的方式与智能诊断测控器进行通讯。同时,智能诊断测控器具备多种输出控制方式,从而实现多路信号采集、智能运算分析、自动输出控制。
智能诊断测控器用于基于游梁式抽油机的运行信息调整游梁式抽油机的运行参数。
智能诊断测控器还用于基于游梁式抽油机的至少一个构件的机械运动信息确定游梁式抽油机的至少一个构件的状态。
智能诊断测控器还用于基于输油管线和/或输气管线的参数信息,确定输油管线和/或输气管线的状态,基于输油管线和/或输气管线的状态控制管线应急组件执行对应的应急措施。
智能诊断测控器还用于基于地下沟渠的参数信息,确定地下沟渠的状态,基于地下沟渠的状态控制沟渠应急组件执行对应的应急措施。
智能诊断测控器还用于基于排水和/或排气的成分信息,确定排水和/或排气的状态,基于排水和/或排气的状态控制排水应急组件和/或排气应急组件执行对应的应急措施。
关于一种监测多场景动态参数的智能诊断测控装置的更多描述可以参见上述的一种监测多场景动态参数的智能诊断测控系统的相关描述,此处不再赘述。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种监测多场景动态参数的智能诊断测控系统,其特征在于,包括:
生产监测模块,包括运行监测单元及机械监测单元,其中,所述运行监测单元用于获取游梁式抽油机的运行信息,并基于所述游梁式抽油机的运行信息调整所述游梁式抽油机的运行参数,所述机械监测单元用于获取所述游梁式抽油机的至少一个构件的机械运动信息,并基于所述游梁式抽油机的至少一个构件的机械运动信息确定所述游梁式抽油机的至少一个构件的状态;
管线监测模块,用于获取至少一条输油管线和/或输气管线的参数信息,并基于所述至少一条输油管线和/或输气管线的参数信息,确定所述至少一条输油管线和/或输气管线的状态,基于所述至少一条输油管线和/或输气管线的状态执行对应的应急措施;
沟渠监测模块,用于获取地下沟渠的参数信息,并基于所述地下沟渠的参数信息,确定所述地下沟渠的状态,基于所述地下沟渠的状态执行对应的应急措施;
排放监测模块,用于获取排水和/或排气的成分信息,并基于所述排水和/或排气的成分信息,确定所述排水和/或排气的状态,基于所述排水和/或排气的状态执行对应的应急措施。
2.根据权利要求1所述的一种监测多场景动态参数的智能诊断测控系统,其特征在于,所述运行监测单元包括示功仪及液面监测仪,所述示功仪用于获取所述游梁式抽油机的示功图,所述液面监测仪用于获取所述游梁式抽油机的接箍波和动液面回波,其中,所述游梁式抽油机的运行信息至少包括所述游梁式抽油机的示功图、接箍波和动液面回波:
所述运行监测单元基于所述游梁式抽油机的运行信息调整所述游梁式抽油机的运行参数,包括:
基于所述游梁式抽油机的示功图、接箍波和动液面回波,调节所述游梁式抽油机的抽采频率。
3.根据权利要求2所述的一种监测多场景动态参数的智能诊断测控系统,其特征在于,所述机械监测单元包括矢量测量组件及松动监测组件:
所述矢量测量组件包括横梁轴多轴矢量测量设备、支架轴多轴矢量测量设备及曲柄轴多轴矢量测量设备,其中,所述横梁轴多轴矢量测量设备用于采集所述游梁式抽油机的横梁轴的多轴运动信息,所述支架轴多轴矢量测量设备用于采集所述游梁式抽油机的支架轴的多轴运动信息,所述曲柄轴多轴矢量测量设备用于采集所述游梁式抽油机的曲柄轴的多轴运动信息;
所述松动监测组件用于采集至少一个螺栓和/或螺母的振动信息及位移信息。
4.根据权利要求3所述的一种监测多场景动态参数的智能诊断测控系统,其特征在于,所述机械监测单元基于所述游梁式抽油机的至少一个构件的机械运动信息确定所述游梁式抽油机的至少一个构件的状态,包括:
基于所述游梁式抽油机的横梁轴的多轴运动信息、支架轴的多轴运动信息及曲柄轴的多轴运动信息,判断至少一个轴承是否发生内圈故障、外圈故障和/或滚珠故障;
基于所述至少一个螺栓和/或螺母的振动信息及位移信息,确定所述至少一个螺栓和/或螺母的松动情况。
5.根据权利要求1-4中任意一项所述的一种监测多场景动态参数的智能诊断测控系统,其特征在于,所述管线监测模块包括多个管线监测单元,其中,所述管线监测单元至少包括管线温度感应设备、管线压力感应设备及管线流量感应设备,所述管线温度感应设备用于获取所述输油管线和/或输气管线的温度信息,所述管线压力感应设备用于获取所述输油管线和/或输气管线的压力信息,所述管线流量感应设备用于获取所述输油管线和/或输气管线的流量信息。
6.根据权利要求5所述的一种监测多场景动态参数的智能诊断测控系统,其特征在于,所述管线监测模块基于所述输油管线和/或输气管线的参数信息,确定所述输油管线和/或输气管线的状态,包括:
基于第一关系图谱及所述输油管线和/或输气管线的温度信息、压力信息及流量信息,确定管线异常区域,其中,所述第一关系图谱用于表征所述多个管线监测单元的关联关系;
所述管线监测模块基于所述输油管线和/或输气管线的状态执行对应的应急措施,包括:
基于第二关系图谱及管线异常区域,关闭至少一个目标第一阀门,其中,所述第二关系图谱用于表征至少一个管线区域与至少一个第一阀门的对应关系。
7.根据权利要求1-4中任意一项所述的一种监测多场景动态参数的智能诊断测控系统,其特征在于,所述沟渠监测模块包括多个沟渠监测单元,其中,所述沟渠监测单元至少包括沟渠温度感应设备、积水深度感应设备、沟渠湿度感应设备、可燃气体感应设备及有毒气体感应设备,所述沟渠温度感应设备用于采集沟渠积水温度信息,所述积水深度感应设备用于采集沟渠积水深度信息,所述沟渠湿度感应设备用于采集沟渠湿度信息,所述可燃气体感应设备用于采集沟渠可燃气体成分信息,所述有毒气体感应设备用于采集沟渠有毒气体成分信息;
所述沟渠监测模块基于所述地下沟渠的状态执行对应的应急措施,包括:
基于所述沟渠积水温度信息、沟渠积水深度信息、沟渠湿度信息、沟渠可燃气体成分信息及沟渠有毒气体成分信息,调整排水泵和/或排风扇的工作参数。
8.根据权利要求1-4中任意一项所述的一种监测多场景动态参数的智能诊断测控系统,其特征在于,所述排放监测模块包括气体成分监测单元和/或水体成分监测单元,其中,所述气体成分监测单元用于采集所述排水的成分信息,所述水体成分监测单元用于采集所述排气的成分信息;
所述排放监测模块基于所述排水和/或排气的状态执行对应的应急措施,包括:
基于所述排水的成分信息和/或所述排气的成分信息,关闭至少一个目标第二阀门。
9.根据权利要求1-4中任意一项所述的一种监测多场景动态参数的智能诊断测控系统,其特征在于,还包括:
闯入监测模块,包括多个图像采集单元,其中,所述图像采集单元用于采集目标区域内的图像信息;
所述闯入监测模块还用于基于所述多个图像采集单元采集的图像信息,确定所述目标区域内是否发生人为闯入。
10.一种监测多场景动态参数的智能诊断测控装置,所述装置基于权利要求1-9任一项所述系统,其特征在于,包括智能诊断测控器、运行数据采集组件、机械数据采集组件、管线数据采集组件、积水数据采集组件及排放数据采集组件,所述运行数据采集组件、机械数据采集组件、管线数据采集组件、积水数据采集组件及排放数据采集组件均与所述智能诊断测控器通讯;
所述运行数据采集组件用于采集游梁式抽油机的运行信息;
所述机械数据采集组件用于获取所述游梁式抽油机的至少一个构件的机械运动信息;
所述管线数据采集组件用于获取输油管线和/或输气管线的参数信息;
所述积水数据采集组件用于获取地下沟渠的参数信息;
所述排放数据采集组件用于获取排水和/或排气的成分信息;
所述智能诊断测控器用于基于所述游梁式抽油机的运行信息调整所述游梁式抽油机的运行参数;
所述智能诊断测控器还用于基于所述游梁式抽油机的至少一个构件的机械运动信息确定所述游梁式抽油机的至少一个构件的状态;
所述智能诊断测控器还用于基于所述输油管线和/或输气管线的参数信息,确定所述输油管线和/或输气管线的状态,基于所述输油管线和/或输气管线的状态控制管线应急组件执行对应的应急措施;
所述智能诊断测控器还用于基于所述地下沟渠的参数信息,确定所述地下沟渠的状态,基于所述地下沟渠的状态控制沟渠应急组件执行对应的应急措施;
所述智能诊断测控器还用于基于所述排水和/或排气的成分信息,确定排水和/或排气的状态,基于所述排水和/或排气的状态控制排水应急组件和/或排气应急组件执行对应的应急措施。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410171279.3A CN117722173B (zh) | 2024-02-06 | 2024-02-06 | 一种监测多场景动态参数的智能诊断测控系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410171279.3A CN117722173B (zh) | 2024-02-06 | 2024-02-06 | 一种监测多场景动态参数的智能诊断测控系统及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117722173A true CN117722173A (zh) | 2024-03-19 |
CN117722173B CN117722173B (zh) | 2024-04-30 |
Family
ID=90207265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410171279.3A Active CN117722173B (zh) | 2024-02-06 | 2024-02-06 | 一种监测多场景动态参数的智能诊断测控系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117722173B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819436A (zh) * | 2010-04-20 | 2010-09-01 | 山东卓尔电气有限公司 | 一种油田抽油机运行的监控系统 |
CN202520288U (zh) * | 2012-04-18 | 2012-11-07 | 王洪亮 | 抽油机工况参数远程监控预诊装置 |
WO2015143626A1 (zh) * | 2014-03-25 | 2015-10-01 | 中国石油天然气股份有限公司 | 一种基于示功图的二流量试井分析的方法及系统 |
CN106761668A (zh) * | 2016-11-19 | 2017-05-31 | 新疆华隆油田科技股份有限公司 | 油井故障智能化分析决策系统及方法 |
CN110685650A (zh) * | 2019-09-26 | 2020-01-14 | 中国石油天然气股份有限公司 | 一种油田游梁式抽油机智能间抽控制系统及其控制方法 |
CN210924241U (zh) * | 2019-10-23 | 2020-07-03 | 宝鸡三阳石油机械有限公司 | 用于吊重平衡游梁式抽油机的智能控制系统 |
CN111963114A (zh) * | 2020-08-14 | 2020-11-20 | 中国石油大学(北京) | 一种抽油机井(群)智能化应用系统和实现方法 |
CN111963116A (zh) * | 2020-08-14 | 2020-11-20 | 中国石油大学(北京) | 一种自适应和智能分析决策的智能气田系统和方法 |
US20200392834A1 (en) * | 2019-06-11 | 2020-12-17 | Noven, Inc. | Well pump diagnostics using multi-physics sensor data |
CN113123765A (zh) * | 2019-12-30 | 2021-07-16 | 北京国双科技有限公司 | 游梁式抽油机运行控制方法、装置、设备和存储介质 |
CN113323634A (zh) * | 2020-12-03 | 2021-08-31 | 西安海联石化科技有限公司 | 一种抽油机智能间抽定位启停方法 |
CN215718706U (zh) * | 2021-09-27 | 2022-02-01 | 西安昆石能源科技有限公司 | 一种气井动液面监测装置 |
CN114263458A (zh) * | 2021-12-27 | 2022-04-01 | 西安健尚智能科技有限公司 | 一种油井工况全感知智能诊断自动处理的方法和系统 |
US20220214474A1 (en) * | 2021-01-07 | 2022-07-07 | Tata Consultancy Services Limited | System and method for real-time monitoring and optimizing operation of connected oil and gas wells |
CN114941518A (zh) * | 2022-04-07 | 2022-08-26 | 西安中控天地科技开发有限公司 | 一种游梁式抽油机不停机间抽采油调控方法及系统 |
CN115047809A (zh) * | 2022-07-08 | 2022-09-13 | 中海艾普油气测试(天津)有限公司 | 一种基于测试数采系统实现地面流程紧急关断的控制方法 |
CN116682045A (zh) * | 2023-06-15 | 2023-09-01 | 东北石油大学 | 一种基于智能视频分析的游梁式抽油机故障检测方法 |
-
2024
- 2024-02-06 CN CN202410171279.3A patent/CN117722173B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819436A (zh) * | 2010-04-20 | 2010-09-01 | 山东卓尔电气有限公司 | 一种油田抽油机运行的监控系统 |
CN202520288U (zh) * | 2012-04-18 | 2012-11-07 | 王洪亮 | 抽油机工况参数远程监控预诊装置 |
WO2015143626A1 (zh) * | 2014-03-25 | 2015-10-01 | 中国石油天然气股份有限公司 | 一种基于示功图的二流量试井分析的方法及系统 |
CN106761668A (zh) * | 2016-11-19 | 2017-05-31 | 新疆华隆油田科技股份有限公司 | 油井故障智能化分析决策系统及方法 |
US20200392834A1 (en) * | 2019-06-11 | 2020-12-17 | Noven, Inc. | Well pump diagnostics using multi-physics sensor data |
CN110685650A (zh) * | 2019-09-26 | 2020-01-14 | 中国石油天然气股份有限公司 | 一种油田游梁式抽油机智能间抽控制系统及其控制方法 |
CN210924241U (zh) * | 2019-10-23 | 2020-07-03 | 宝鸡三阳石油机械有限公司 | 用于吊重平衡游梁式抽油机的智能控制系统 |
CN113123765A (zh) * | 2019-12-30 | 2021-07-16 | 北京国双科技有限公司 | 游梁式抽油机运行控制方法、装置、设备和存储介质 |
CN111963114A (zh) * | 2020-08-14 | 2020-11-20 | 中国石油大学(北京) | 一种抽油机井(群)智能化应用系统和实现方法 |
CN111963116A (zh) * | 2020-08-14 | 2020-11-20 | 中国石油大学(北京) | 一种自适应和智能分析决策的智能气田系统和方法 |
CN113323634A (zh) * | 2020-12-03 | 2021-08-31 | 西安海联石化科技有限公司 | 一种抽油机智能间抽定位启停方法 |
US20220214474A1 (en) * | 2021-01-07 | 2022-07-07 | Tata Consultancy Services Limited | System and method for real-time monitoring and optimizing operation of connected oil and gas wells |
CN215718706U (zh) * | 2021-09-27 | 2022-02-01 | 西安昆石能源科技有限公司 | 一种气井动液面监测装置 |
CN114263458A (zh) * | 2021-12-27 | 2022-04-01 | 西安健尚智能科技有限公司 | 一种油井工况全感知智能诊断自动处理的方法和系统 |
CN114941518A (zh) * | 2022-04-07 | 2022-08-26 | 西安中控天地科技开发有限公司 | 一种游梁式抽油机不停机间抽采油调控方法及系统 |
CN115047809A (zh) * | 2022-07-08 | 2022-09-13 | 中海艾普油气测试(天津)有限公司 | 一种基于测试数采系统实现地面流程紧急关断的控制方法 |
CN116682045A (zh) * | 2023-06-15 | 2023-09-01 | 东北石油大学 | 一种基于智能视频分析的游梁式抽油机故障检测方法 |
Non-Patent Citations (4)
Title |
---|
孙晓琳;袁立;李君;: "油井远程无线监控系统", 企业导报, no. 06, 15 March 2016 (2016-03-15), pages 48 * |
廖启新;: "基于WiFi数字化抽油机研究", 中国新技术新产品, no. 11, 10 June 2018 (2018-06-10), pages 16 - 18 * |
杨厚荣;罗友哲;陈小英;: "油田产出(注入)井(层)节能增效多参数测控装置", 石油管材与仪器, vol. 4, no. 03, 15 June 2018 (2018-06-15), pages 46 - 52 * |
高润峰;: "鄂南数字化油田综合管控模式探索与应用", 自动化应用, no. 04, 25 April 2019 (2019-04-25), pages 75 - 77 * |
Also Published As
Publication number | Publication date |
---|---|
CN117722173B (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200388140A1 (en) | Persistent monitoring and real time low latency local control of centrifugal hydraulic pump, remote monitoring and control, and collecting data to produce performance profiles | |
CN111400961B (zh) | 风力发电机组叶片故障判断方法及装置 | |
CN106682815B (zh) | 一种抽油井监控系统及监控方法 | |
CN104018988B (zh) | 基于物理组件模型和实时数据的风力发电机组监测系统 | |
CN107153929A (zh) | 基于深度神经网络的风电机组齿轮箱故障监测方法及系统 | |
CN109236587B (zh) | 一种用于检测风力发电机异常工作的报警系统 | |
CN204719531U (zh) | 一种风电机组设备的故障监控预警系统 | |
CN110837045B (zh) | 一种诊断泵系统潜在故障的方法及检测系统 | |
CN114263458A (zh) | 一种油井工况全感知智能诊断自动处理的方法和系统 | |
CN117722173B (zh) | 一种监测多场景动态参数的智能诊断测控系统及装置 | |
CN113933393B (zh) | 一种基于电磁超声与3d相控阵的螺栓监测系统 | |
CN113344275B (zh) | 一种基于lstm模型的浮式平台波浪爬升在线预报方法 | |
CN106949020B (zh) | 一种高度集成风力发电机群安全监控系统 | |
CN112560916B (zh) | 基于倾角传感器信息的风电塔筒倾覆智能诊断方法 | |
CN110633686B (zh) | 一种基于振动信号数据驱动的设备转速识别方法 | |
CN115510914B (zh) | 一种闸门及支承运转件故障智能诊断方法及系统 | |
CN115659778A (zh) | 风力发电机轴承故障诊断模型在线构建方法及在线更新设备 | |
CN116306262A (zh) | 一种基于集成学习算法的镀锌钢腐蚀预测方法 | |
CN115450854A (zh) | 基于深度神经网络的风电机组齿轮箱故障监测方法及系统 | |
CN112464151B (zh) | 一种基于声学诊断的风电机组偏航系统异音诊断方法 | |
CN114607571A (zh) | 一种运用润滑系统监测的海上风电齿轮箱故障识别方法及系统 | |
CN117912211B (zh) | 基于物联网的园林环境数据分析及报警系统 | |
Márquez et al. | Introduction to non-destructive testing and condition monitoring techniques for renewable energy industrial assets | |
CN117309051B (zh) | 一种淤泥软基真空预压处理的自动化监测系统及方法 | |
CN118188459A (zh) | 一种带劣化状态自检及运维功能的智能液压泵系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |